![点击分享此内容可以赚币 分享](/master/images/share_but.png)
城市轨道交通轨道基础设施维保知识库构建研究.pdf
《城市轨道交通轨道基础设施维保知识库构建研究.pdf》由会员分享,可在线阅读,更多相关《城市轨道交通轨道基础设施维保知识库构建研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、126MODERN URBAN TRANSIT 4/2024 现代城市轨道交通论坛园地城市轨道交通轨道基础设施维保 知识库构建研究赵正阳,汪楚翔,张梓鸿,王文斌,魏志恒(中国铁道科学研究院集团有限公司城市轨道交通中心,北京 100081)基金项目:中国铁道科学研究院集团有限公司基金(2022YJ044);铁科院(北京)工程咨询有限公司科研开发基金项目(2022ZXJ006);重庆市建设科技计划项目(城科字 2022 第 5-2 号)第一作者:赵正阳,男,助理研究员引用格式:赵正阳,汪楚翔,张梓鸿,等.城市轨道交通轨道基础设施维保知识库构建研究J.现代城市轨道交通,2024(04):126-13
2、3.ZHAO Zhengyang,WANG Chuxiang,ZHANG Zihong,et al.Research on the construction of the knowledge bases of urban rail transit rail infrastructure maintenanceJ.Modern Urban Transit,2024(04):126-133.DOI:10.20151/ki.1672-7533.2024.04.0191 研究背景作为城市交通系统的核心组成部分,城市轨道交通因其高速度、强大的运输能力以及对土地资源的有效利用等显著特征,被广泛认为是当前解
3、决城市交通拥堵问摘 要:针对当前轨道交通运营维保领域技术标准多样、资料繁多、文件结构形式多样的挑战,以及现场病害种类繁多导致维保资料查询与检索困难的问题,首次在城市轨道交通领域提出构建基础设施维保知识库的解决方案。通过运用光学字符识别(OCR)技术和深度学习算法,成功实现对图片数据和视频数据的资料文本化转换。借助指导数据修复(GDR)模型,实现对数据的智能清洗和整理。通过分词等自然语言处理技术和分布式存储技术,成功统一数据资料的管控方式。通过建立索引技术,大幅提升内容的查找速度。最后,通过在智能运维平台上搭建知识库,并以钢轨为例,展示出可能的病害问题以及原因分析,同时提供相应的维修方案。这一方
4、案不仅解决维保人员查询资料困难的问题,还显著降低维修成本,有效提高维保工作的效率与质量。关键词:城市轨道交通;基础设施;维保知识库 中图分类号:U231.92题的主要手段。然而,随着运营规模的不断扩大,各地城市轨道交通运营公司(以下简称“轨道运营公司”)面临着前所未有的运维管理压力。与此同时,公众对城市轨道交通的关注度也在持续上升,对线路运行的安全性和舒适性要求也越来越高,这对检测与维修工作的质量提出了更高的要求。虽然城市轨道交通基础设施病害检测方面已经取得许多进展,但当前轨道运营公司在病害处置和治理能力方面仍相对薄弱。这主要体现在以下几个方面:首先,工作人员维修时参考的作业指导书、维修规程或
5、工作案例等多数仍为纸质化资料,不便于查阅和更新。其次,部分电子化技术资料的保存方式过于简单,采用堆砌式储存,导致相关内容难以精确检索和查阅。这使得维保人员在需要快速获取合理、有效的维修策略时面临困难,容易出现过修或欠修的问题。此外,维修工作往往需要人与人之间的交流讨论,这在一定程度上降低了工作效率。针对这些问题,胡瑞1提出以下几个方向:采用物联网技术,实现互联网与各种物品的直接连接,以满足智能化识别、跟踪、定位和管理等需求;利用车载检测技术,将实时采集到的车辆、线路等信息发送至数据服务器和监控终端,构建联网智能运维管理系统;通过人工智能与大数据技术,进行对应数据的收集、分析与处理,形成对应的故
6、障特性记忆,从而实现系统自主分127 现代城市轨道交通4/2024 MODERN URBAN TRANSIT论坛园地城市轨道交通轨道基础设施维保知识库构建研究析、感应、预警与解决。潘健英等2提出构建以建筑信息模型(BIM)为基础的智慧运维管理系统,利用其可视化和模拟性等特点,实现车站、区间、车辆段等场景的信息整合共享。尹文泽等3提出基于“一车+一平台”综合运用模式的城轨基础设施智能运维系统,运用自动化、信息化、集成化的检测设备,对城轨设施设备动态参数进行快速精准感知和综合智能评估。符润泽4立足数字孪生理念,围绕 BIM、地理信息系统(GIS)、物联网(IoT)等技术,构建城市轨道交通数字孪生运
7、维管理平台。周芳等5将地铁车站分成居住型、办公型、商业型等类型,并分别考虑不同方案的运维模式优化。蔡宇晶等6提出包含采集控制层、网络传输层、数据存储层等的城轨设备智能运维系统,以提高城轨设备整体运维效能。ZHANG 等7阐述列车直通运营方案的优势。WU 等8提出基于物联网 5G 技术的方案。SHI 等9-11研究安全管理和评价问题。东升等12-16分别研究城轨供电、车辆和信号等单个专业设备运维管理,但并未考虑多专业的系统智能化运维综合评估。综上所述,当前研究多以从宏观角度构建整体的运维管理系统为主,但并未提及遇到具体病害如何进行维修工作的问题。为给维保人员提供快速、有效的维修决策与方案,亟需开
8、展城市轨道交通基础设施维保知识库构建技术研究。2 设计思路与准备工作2.1 整体设计为构建一个全面且高效的知识库,需要大量的数据作为基础和支撑。鉴于城市轨道交通运营维保技术资料繁多、文件结构形式多样,因此采用智能识别技术,将这些资料统一转化为可编辑的文本格式,进而实现规范化存储和集中管理。同时,通过提取数据中的关键语句,形成摘要或者引导内容,方便用户快速预览并获取核心信息。此外,将关键词作为索引在知识库中进行储存,从而确保检索的准确性和高效性。整个过程如图 1所示,接下来将详细阐述每个步骤。2.2 准备工作准备工作主要是指数据预处理部分,具体包括数据收集、资料文本化、数据清洗与预处理等。2.2
9、.1 数据收集维保知识库中最为基础的部分是资料知识数据,直接影响维保建议生成的有效性,因此需要收集相关的高质量资料知识数据。为确保数据的可靠性、全面性和权威性,经过深入调研,从多个渠道进行广泛收集。具体而言,从国家铁路局等各大铁路官网及其公众号获取官网资料;从核心期刊和核心会议中所发表的相关论文中精选文献资料;参考铁路工务技术手册 铁道概论等铁路相关书籍;同时,还纳入现场检测数据、维修工单及维修指导手册等一手资料。最终成功汇集 200 余篇论文、150 余篇作业指导书、300 余篇专业书籍、130 余篇公众号文章及 50 个视频资料,为维保知识库的构建奠定了坚实的基础。2.2.2 资料文本化在
10、资料存储前,需对已收集的资料进行文本化处理,以适应电子存储的需求。鉴于资料的多样性,采取分类处理的策略。对于电子文档,直接上传至服务器进行存储;对于纸质文档,则先进行扫描,再利用自动解析技术与光学字符识别(OCR)技术,快速提取其中的文字和图片信息,处理完毕后同样上传至服务器;对于视频资料,采用纹理特征逐层增量深度学习算法,以高精度定位并识别视频中的文本信息,处理完成后也将其上传至服务器。2.2.3 数据清洗与预处理鉴于数据中可能存在的数据缺失、重复、错误等问题,数据清洗成为不可或缺的一环。数据清洗主要针对数据缺失、数据冗余、数据冲突和数据错误进行处理。过去常使用传统词表方法处理文本数据,尽管
11、其简单易用且解释性强,但往往难以处理未知词汇、上下文相关性以及语义复杂性等问题。为提升数据处理的准确图 1 知识库构建整体流程图注:ES 数据库为 Elasticsearch 数据库。数据预处理知识库构建数据收集资料文本化数据清洗与预处理分布式存储建立索引存入 ES数据库128MODERN URBAN TRANSIT 4/2024 现代城市轨道交通论坛园地城市轨道交通轨道基础设施维保知识库构建研究度,本研究使用人机结合的方法,并选用指导数据修复(GDR)模型作为数据清洗的核心模型,该模型流程如图2 所示。GDR 模型的输入是数据库中的关系表和 1 组条件函数依赖。首先,该模型检测出在条件函数依
12、赖上存在冲突的脏数据,并利用现有算法计算出脏数据可能的清洗方式,加入到更新列表中。接下来,模型会将更新列表中所有的清洗方式进行分组和排序,获得收益最大的组会被首先呈现给用户,由用户决定是否执行组内的数据更新。一旦用户确认数据更新,GDR 模型会立即执行相应的操作,并重新检查关系表,以确保没有新的数据冲突产生。为减轻用户的决策负担,将用户的决策用作训练机器学习模型的训练集。当新的数据清洗策略生成时,该模型会首先判断这些清洗策略是否可以执行,因此最终呈现给用户的不仅包括清洗策略本身,还有模型对这些策略是否可行的判定结果。用户可以针对某些策略的判定结果提供反馈,帮助修正模型中的误判,并进一步优化训练
13、模型,直到该模型的判定结果与用户的选择高度一致,或者所有的清洗策略都已得到用户的明确判定。这种结合数据清洗规则和用户交互的模型,相较于完全依赖机器自动清洗的方法,显著提升了准确率。通过用户的主动参与和反馈,实现人机协同的数据清洗,确保清洗过程的高效和准确。3 知识库的构建3.1 分词针对现场病害的多样性以及维保资料查询检索的困难,可以采用文本分词技术,通过对关键词的智能识别和加工,提高查询的效率和准确性。传统的中文分词方法主要包括匹配和统计 2 大类,虽然已形成相对稳定的算法模型,但在实际应用中,所需人工操作较多,且效果欠佳。随着近年来人工智能技术的不断进步,深度学习方法逐渐替代传统方法成为主
14、流。本研究采用带标签注意力的成词记忆网络(WMN-LA)模型进行分词训练,相对于传统的概率统计的分词方法,无需人工特征选择,能够更好地弥补统计方法的不足,该模型结构如图 3 所示。图 3 中,给定输出标签的候选集合 B 包含 b1 b|B|个标签;|B|为输出标签候选集合中标签的数量,l1blb|B|为每个标签的嵌入向量表示,组成的矩阵为标签嵌入矩阵 lb,BOS 和 EOS 分别为给定文本序列“职业道德建设”的前文和后文,VS、VE、VM表示标签与数字映射之后的数值,h0 h7表示编码器所生成的包含文本语义信息的特征向量,C2表示包含文本成词信息的特征向量;o0 o7为包含文本语义信息的特征
15、向量和包含文本成词信息的特征向量之和,其组成的矩阵为 O,Q=O,K=V=lb;M 为 O 和 lb之间的相关性矩阵,MV 为 M和 lb之间的相关性矩阵,a0 a7表示标签注意力机制的输出,s0 s7表示带标签注意力的成词记忆网络的输出;softmax 为归一化指数函数。WMN-LA 首先通过编码器将输入的文本序列编码为包含文本语义信息的特征向量,运用标签注意力机制将输出标签候选集合的标签嵌入到模型中,然后利用带标签注意力的成词记忆网络,将从词典 N 筛选的 n 元组图 2 GDR 模型流程图17输入更新策略生成更新策略排序利用用户反馈训练模型获得更新策略用户反馈数据条件函数依赖更新策略更新
16、策略的一致性检测脏数据识别、更新策略生成候选更新策略分组排序排序后的更新策略机器学习模块根据不确定性展示给用户训练数据129 现代城市轨道交通4/2024 MODERN URBAN TRANSIT论坛园地城市轨道交通轨道基础设施维保知识库构建研究(n-gram)片段所包含的成词信息与模型进行融合,最后将包含文本成词信息和文本语义信息的特征向量送入解码器生成相应的标签。其关键是通过标签注意力机制,不仅引入输出标签候选集合的标签嵌入,还建立标签嵌入与包含文本语义信息及成词信息的特征向量之间的相关性模型。这种机制有效地整合标签之间的依赖关系以及标签与字符之间的相关性,使模型能够更深入地学习并理解上下
17、文中的成词信息,因此比传统的分词方法效果更好。3.2 数据分布式存储传统的信息管理系统常常结合关系型数据库和文件系统来共同存储原始数据。然而,对于空间数据而言,传统的文件系统所依赖的层级目录结构并不适用。随着数据量的急剧增长,检索所需时间将大幅增加,导致检索效率大幅降低。本方案采用 HBase 数据库和对象存储相结合的方式,以解决数据检索不便的问题。存储层架构如图 4 所示。对于结构化数据,采用MySQL 与 HBase 数据库结合的方式进行存储,以便能够达到节省存储空间、方便资源计算及聚合操作等目的。通过结合这 2 种数据库,不仅能够充分利用 HBase 强大的存储能力(可储存百万级数据的表
18、),还能有效应对半结构化等非传统数据类型的存储需求。即使在数据量极大的情况下,查询效率也能保持稳定。对于非结构化数据,传统的存储方案主要使用文件存储和块存储 2 种方式。文件存储的优点是利于共享,但读写较慢;块存储则正好相反,读写较快却不利于共享。为克服这些局限性,本方案采用 Ceph 存储系统,该系统则能够提供高性能、高可用的分布式存储服务。Ceph 基于可靠自主分布式对象存储(Reliable Autonomic Distributed Object Store,RADOS)架构,能够在动态变化、异构的存储设备集群上提供稳定且高性能的单一逻辑对象存储接口,同时实现节点的自适应和自管理。通过
19、采用这种对象存储方式,兼具文件储存和块储存的优点,显著提升存储和访问效率。3.3 建立索引目前城市轨道交通正在快速发展之中,基础设施运维项目日益增多,导致运维数据量急剧增加,检索难度也呈几何级增长。为应对这一挑战,必须在数据库中建立空间数据索引表。通过将整个空间划分为若干个网格,并为每个网格赋予 1 个特定的编码,可以有效缩小检索范围并提高数据检索效率。在查询过程图 3 WMN-LA 模型结构18带标签注意的成词记忆网络标签表示标签注意力机制编码器词典解码器业N业 VS职业VE职业道德VM键嵌入值嵌入全连接层注意力机制职业道德建设BOSEOSh0h1h2h3h0h5h6h0h2c2o0o1o2
20、o3o0o5o6o7OQKVMQMVsoftmaxa0a1a2a3a0a5a6a7o0a0o1a1s0s1s2s3s0s5s6s7o2a2o3a3o4a4o5a5o6a6o7a7l1blkblb注:HBase 为数据库;Ceph 为分布式文件系统;Master、RegionServer(RS)、Region、Zookeeper等均为 HBase 下的构架;HDFS 为 HBase 提供的最终底层数据存储服务。图 4 存储层架构19数据服务接口存储管理检索Hbase 存储Ceph 对象存储Mysq1 数据库数据存储维护系统状态检测和维护数据实体数据实体监控节点对象存储节点Zookeeper 集群
21、协调服务Region 节点集群状态映射状态汇报存储介质数据实体数据实体Master 高可用管理RS 注册管理HDFS数据实体数据实体Master检点侦测负载均衡RegionServer表格管理读写操作lb|B|130MODERN URBAN TRANSIT 4/2024 现代城市轨道交通论坛园地中,只需利用这些编码搜索相关的网格数据。空间数据索引方法的具体应用过程可大致分为 2 大步骤:“过滤”和“精炼”20。“过滤”指筛掉大量在检索范围以外的网格数据,从而得到 1 个较小的空间数据集,即候选集。“精炼”是对候选集里的所有数据逐一判断,如果符合条件,则将其添加到最终的空间数据结果集,并输出给用
22、户。4 系统应用维保知识库已经成功部署在北京轨道交通基础设施智能运维平台上,图 5 展示了知识与病害分布统计情况;图 6 以轨道和道床为例,清晰地展示了各个部件可能产生的所有病害情形;图 7 则展示了具体的维修详情,为维保人员提供了针对性的问题建议和相关文献图 5 知识与病害分布统计情况图 6 设备、部件与病害具体情况(以轨道和道床为例)城市轨道交通轨道基础设施维保知识库构建研究131 现代城市轨道交通4/2024 MODERN URBAN TRANSIT论坛园地参考。知识库的内容涵盖轨道、道床、道岔设备等众多方面,内容丰富多样、知识覆盖面广。对每一设备部件的不同病害等级,均提供深入的原因分析
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 城市轨道 交通 轨道 基础设施 知识库 构建 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。